头盔显示器伺服系统动平台参数辨识方法

分析了头盔显示器伺服系统动平台参数的不确定性与时变性,推导了连续-离散扩展卡尔曼滤波(CDEKF)与连续-离散平方根无味卡尔曼滤波(CDSR-UKF)的辨识过程,结合头盔显示器伺服系统的动力学模型建立了系统动平台参数的辨识模型,并通过仿真试验对比分析了CDEKF和CDSRUKF的辨识效果。设计了动平台参数的突变试验过程,通过试验对CDSR-UKF的实用性进行了检验。仿真结果表明:CDEKF与CDSR-UKF的标准误差比值范围为1.9~6.3,收敛时间比值范围为1.0~27.7,均方根误差的比值范围为1.4~11.0,后者的计算精度、稳定性和收敛速度均要优于前者,且后者的平均收敛时间约为0.002s,具有较好的在线辨识性能;CDSR-UKF的辨识误差小于10%,对大幅度突变和一般幅度突变参数的辨识收敛时间分别约为0.30s和0.04s,能较好地跟踪参数的变化过程,可满足正常使用情况下的头盔显示器伺服系统动平台参数辨识要求。     

基于Matlab的汽车动力系统参数辩识

简要介绍了使用Matlab辨识工具箱中最新添加的非线性灰箱进行辨识的一般步骤,通过对实际项目中的沃尔沃V70测量数据,应用非线性灰箱中Levenberg—Marquardt算法和函数进行辨识和仿真实验,得出了合理的系统参数,并根据辨识结果给出了仿真实验的数据和系统拟合的曲线,实验效果表明了工具箱的算法程序具有很好的实用性。     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

基于改进粒子群算法的PMSM多参数辨识

针对标准粒子群优化算法对永磁同步电机多参数辨识精度低与收敛慢的问题,设计了一种自适应自治群组粒子群优化算法进行辨识,并在Matlab/Simulink中搭建参数辨识模型。仿真结果表明:改进后的算法对永磁同步电机多参数辨识的整体精度更高,收敛速度更快。     

用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS）,提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。     

随机状态模型参数辨识的多步算法

基于解耦辨识和多步计算思想,本文提出了一种状态空间模型参数辨识的多步算法.计算法包括二步加权最小二乘法、一步输出信息序列的修正和一步自适应 Kalman滤波过程,具有全局收敛且对待辨识参数初始估值设置不敏感等特点.仿真结果表明,在受控系统承受测量噪声和过程噪声的情况下,该算法对线性状态空间模型的参数辨识是十分有效的.     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识．采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度．仿真试验证明,该方法的效果很好．     

基于卡尔曼滤波和神经网络的PMSM参数辨识

永磁同步电机（PMSM）是一种非线性、强耦合的控制对象,电机参数的变化加大了其控制难度.因此,参数辨识对于其闭环控制系统的稳定运行有着重大的意义.文中针对这一非线性、强耦合的模型,研究了一种基于扩展卡尔曼滤波（EKF）和El man神经网络（El man NN）的永磁同步电机参数Rs,ψd和ψq的辨识方法.仿真结果表明,该方法具有很快的收敛速度,能很精确地辨识PMSM的Rs,ψd和ψq,该网络具有良好的泛化能力,在变速变负载等复杂情况下也适用.     

基于云模型的改进粒子群PMSM参数辨识算法

针对永磁同步电机传统参数辨识方法存在的缺陷,提出了一种基于云模型的改进粒子群参数辨识算法.该算法首先采用高频电压注入法建立高频电压方程,通过滤波处理获取高低频信号构建四阶满秩实时电机辨识模型;将云模型理论与粒子群算法相结合,采用正态云发生器对粒子进化变异操作建模,实现了自适应动态调节粒子的搜索范围,有效克服早熟收敛,保证了辨识参数为全局最优解.实验表明该辨识方法寻优能力强,搜索精度高,稳定性好,具有良好的动态性能.     

FAULT IDENTIFICATION IN HETEROGENEOUS NETWORKS USING TIME SERIES ANALYSIS

Fault management is crucial to provide quality of service grantees for the future networks, and fault identification is an essential part of it. A novel fault identification algorithm is proposed in this paper, which focuses on the anomaly detection of network traffic. Since the fault identification has been achieved using statistical information in management information base, the algorithm is compatible with the existing simple network management protocol framework. The network traffic time series is verified to be non-stationary. By fitting the adaptive autoregressive model, the series is transformed into a multidimensional vector. The training samples and identifiers are acquired from the network simulation. A k-nearest neighbor classifier identifies the system faults after being trained. The experiment results are consistent with the given fault scenarios, Which prove the accuracy of the algorithm. The identification errors are discussed to illustrate that the novel fault identification algorithm is adaptive in the fault scenarios with network traffic change.     

基于人机界面的PLC控制系统的仿真研究

文章介绍的是一种基于人机界面的PLC控制系统的仿真平台。该平台利用人机界面的互动性,通过其开发、编辑软件,使用户可以方便快捷地为PLC控制系统设计和建立仿真模型,并可对系统进行调试。实验表明,该仿真平台可用于PLC控制系统的开发。     

基于蒙特卡罗模拟的交通状态辨识

提出了一种基于蒙特卡罗模拟的利用交通流参数实现交通状态辨识的方法.采 用 FANNY 算法实现了四种交通状态的聚类分析;利用蒙特卡罗模拟方法建立了 SVC 交 通状态辨识模型;分别构建了固定窗口模型和滑动窗口模型对交通状态进行辨识并综合 评价.分析结果表明：该方法能够对实时交通流参数进行准确辨识,尤其是构建的滑动窗 口模型,对交通状态辨识平均精度、召回率和 F 度量分别为 97.98%、94.64%和 96.21%.本方 法可为分析高速公路交通状态演化规律和发展趋势,建立预测预警、应急处置和信息发 布等应急运行机制提供科学方法和数据支撑.     

径向基神经网络辨识非线性系统的改进算法

利用神经网络的非线性映射特性,将神经网络应用于非线性系统辨识。利用径向基神经网络来辨识非线性系统,并对两种不同RBF神经网络辨识算法进行比较。仿真结果表明,改进的算法具有学习速度快,辨识精度高的特点。     

气动防抱死控制系统设计及仿真

介绍了一种客车ABS控制器开发方法，包括硬件电路设计和控制算法实现，扩展逻辑门限方法对路面的识别，并建立了整车9自由度模型仿真试验台，以半实物仿真的形式对设计的控制器进行了验证，获得较好的控制效果。     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.     

Computer Aided Simulation on Precision Cold Forging of Universal Joint Cross

IntroductionThefiwtee1emenmethod(FEM)playsanextrmelyimPortantroleintheanalysesofengineeringproblems.ForalongtimethismethodhasmainlybeenaPPliedinthelinearfieldandshownitsgreatpower.HoweveealOtofnonlinearengineeringPrOblemsWhichcanneitherbesimPlyreducedtolinearonesnorrCPresentedbylinearlyanalogywhichshallchnsethePfacticalconditionsrelativelymuch,havechallengedfiniteelementmethod(FEM).RecentymuchProgresshasbeenmadebothinthemathematicalandmechanicaltheoryandthecomPulertechnologysothatevent…     

成品油轮排油监控系统故障分析及管理

文章阐述了某成品油轮的排油监控系统的组成及原理,利用故障因素排查法,查找、修复该系统在运行中的故障,最后提出了管理建议,具有较高的应用价值。     

基于附着系数曲线长度的路面识别仿真研究

要使汽车制动时能够充分利用路面的附着条件,需要对路面状态进行识别。以滑移率区间[0,0.1]上的附着系数曲线长度作为路面识别的参数指标,在Kiencke轮胎—路面模型的基础上给出了7种典型路面的识别区间,据此在制动时完成路面识别。使用单轮车辆模型,在跃变路面上进行了仿真试验,结果表明:该方法对单一路面的识别时间约0.025s,对跃变路面的识别时间约0.01s,对不同路面附着条件的利用明显改善,提高了路面识别的快速性、准确性和制动性能。     

道路事故多发路段动力学仿真识别系统

为了从车-路耦合角度客观、直接地识别道路事故多发路段,开发了事故多发路段动力学仿真识别系统,建立了车辆模型、道路模型与车-路耦合模型,提出了事故多发路段识别方法,通过小附着系数路面动力学仿真试验和弯道制动动力学仿真试验进行验证。采用闭环控制方法控制汽车的运行状态,依据道路的特性,选择表征车辆行驶安全性的特征参数,通过特征参数曲线识别事故多发路段。仿真结果表明:在主要考虑道路因素导致事故多发时,所识别出的事故多发路段与依据交警部门事故统计信息所识别出的事故多发路段一致,因此,此系统可行。